arreglar las métricas que imprimen -nan al .out.report

[franco-metnum]

Esto es en la corrida de buscar parámetros. La que toma: la ruta a un archivo .in, la ruta para escribir el archivo .out y el número de método (0 es knn solo, 1 es pca+knn).

Ver el mensaje que dice "che que hacen para calcular precision de una clase que no testearon?" en el grupo de Telegram de Métodos, que puede que el problema vaya por ese lado.

Adjunto tests/parametros/test_k10a15K10_410imgs.out.report y tests/parametros/test_k10a15K10_410imgs.in (les agrego extensión .log y .txt respectivamente, sino github no me deja subirlos :roll_eyes:).

Pego igual acá algunas partes de test_k10a15K10_410imgs.out.report que me parecen clave: Líneas 816-818:

Precision clase 37 :  0.000000
Precision clase 38 :  -nan
Precision clase 39 :  1.000000

Líneas 851-853:

Recall clase 31 :  0.000000
Recall clase 32 :  -nan
Recall clase 33 :  1.000000

Últimas 6 líneas (861-866):

***RESULTADOS***
PARAMETROS: k: 10, alfa: 15, K: 10, metodo: kNN
Tiempo: 1.933164
Promedio de aciertos: 83.658531
Precision: -nan
Recall: -nan

[franco-metnum]

Esto es útil, me lo dejo a mano (del campus de métodos, sección recursos):

• Clase de labo: métricas de evaluación
• Clase labo clasificadores lineales - código a completar

La última parte del código resume bastante bien:

accuracy = mean(Y_test == Y_pred)

tp = sum(Y_test & Y_pred);
fp = sum(~Y_test & Y_pred);
fn = sum(Y_test & ~Y_pred);
precision = tp / (tp + fp)
recall = tp / (tp + fn)

Glosario: ~: not lógico &: and lógico tp: true positives tn: true negatives fp: false positives fn: false negatives

[franco-metnum]

Estoy viendo precision. Si alguien más quiere laburar en este issue al mismo tiempo, intente arreglar recall.

[franco-metnum]

¡Arreglé precision! \o/ ../tests/parametros/test_k10a15K10_410imgs.out.report :tada:

***RESULTADOS***
PARAMETROS: k: 10, alfa: 15, K: 10, metodo: kNN
Tiempo: 2.589978
Promedio de aciertos: 83.658531
Precision: 0.898618
Recall: -nan

Arreglo recall y ya estamos para correr los experimentos de knn, me parece.

[franco-metnum]

../tests/parametros/test_k10a15K10_410imgs.out.report

***RESULTADOS***
PARAMETROS: k: 10, alfa: 15, K: 10, metodo: kNN
Tiempo: 1.192207
Promedio de aciertos: 90.313454
Precision: 0.960366
Recall: 0.960976

:sunglasses: